Skills
收录 100,696 个为 Agent 打包的专项能力与操作指引，复制一行命令即可安装。
全部
当用户询问“pantsing”“discovery write”“不列提纲写作”“discovery draft”“write into the dark”“story kernel”“协调章节”“写作死胡同”“冲刺写作”或“写作节奏”，或希望通过探索式写作起草故事并事后协调设定集时使用。不要用于先列提纲再写作、推理小说及其他必须先铺垫再揭晓线索的类型（使用 chapter-writing）、为现有线性初稿编写逆向提纲、删减支线，或对现有章节进行新一轮修订（使用 revision-continuity）。
将因子模型应用于投资组合构建和基金评估，涵盖 CAPM、Fama-French 三因子和五因子模型以及动量。适用于用户询问“Fama-French”“价值因子”“smart beta”“因子倾斜”“动量敞口”或“因子动物园”，希望进行或解读因子回归（载荷、控制因子后的 alpha、R-squared、t 统计量），将基金经理的收益拆解为因子敞口与技能，或询问“我的基金是否在隐性复制指数”。也适用于 SMB、HML、RMW、CMA、UMD、规模/价值/质量/盈利能力/低波动溢价、因子 ETF 或 smart-beta 产品评估（因子纯度、换手率、容量、费用）、因子的周期性与因子择时风险、因子拥挤、多空学术因子与可实施的仅做多倾斜之间的比较，以及因子发表后的衰减。
当用户需要 Google Ads 受众定位、再营销名单、RLSA（搜索广告再营销名单）、Customer Match、相似受众、有购买意向受众、自定义意图受众、兴趣相似受众、受众细分或受众出价分层方面的帮助时使用。触发词为 'audience targeting'、'remarketing'、'RLSA'、'Customer Match'、'lookalike'、'in-market audience'、'custom intent'、'audience list'、'audience signal' 或 'retargeting list'。关于 PMax 中的受众信号，请参阅 google-ads-pmax。
使用 ipsw 命令行对 Apple 固件和二进制文件进行逆向工程。远程或本地检查 IPSW 和 OTA；提取 kernelcaches、dyld_shared_cache、exclave、SEP 和协处理器固件；反汇编并交叉引用 DSC dylibs、KEXT 和 Mach-O；转储并比较 ObjC/Swift 头文件；反编译并查询沙盒配置文件；搜索 entitlements；对崩溃和 panic 进行符号化；比较不同版本。适用于 iOS/macOS 内部机制、私有框架、内核或固件研究以及 Apple 安全研究，即使没有提到 ipsw 也适用。
将 Gary Vaynerchuk 的 jab-jab-jab-right-hook 框架应用于 X 和 LinkedIn 上的个人项目轮换。Jabs = 公开构建 + 教育性内容（价值）；Hooks = 宣传（号召）。用户配置的项目组合中的每个项目（参见 `~/.config/makerskills/jab-hook/properties.yaml`）每约 3 周至少安排一次 hook，其余由 jabs 补充。草稿通过 MCP 写入用户的 Typefully 工作区。模式：plan（7 天计划）、pick-next（单篇帖子）、audit（覆盖情况报告）、draft（指定帖子）。触发词包括“/jab-hook”、“我该发什么”、“规划我的社交媒体”、“下一个宣传”、“下一个 jab”、“下一个 hook”、“社交媒体轮换”、“推广 [property]”、“BIP 帖子”、“审查我的社交媒体”以及“我还没发过哪些内容”。
基于 agent-desktop PlatformAdapter 的 C-ABI 绑定。使用方（Python ctypes、Swift、Node ffi-napi、Go cgo、C++、Ruby fiddle）链接 libagent_desktop_ffi.{dylib,so,dll}，并直接调用 `ad_*` 函数，而非每次调用都启动 CLI 二进制文件。标准的观察-操作工作流为：ad_init → ad_adapter_create[_with_session] → ad_snapshot → 读取限定引用（@s8f3k2p9:e5）→ ad_execute_by_ref → ad_free_string → ad_adapter_destroy。
根据计划、功能请求或对话上下文，为 Claude Code agent teams 生成极其详细的提示词。当用户想为 agent team 创建提示词、为编码 Agent 准备任务、生成团队提示词、构建自主 Agent 工作流，或说"create a prompt for agent teams"、"prepare a task for a fresh session"、"generate a team prompt"、"build me an agent prompt"、"I want to hand this off to an agent team"、"create agent team instructions"、"write me an autonomous coding prompt" 之类的话时，使用此技能。当用户描述复杂功能并要求委派、想为并行 Agent 准备工作，或提到 "fresh context"、"copy-paste prompt"、"autonomous implementation" 时也触发。
使用 Alba 序列化器和 Typelizer，为 Inertia Rails props 提供类型安全支持，并自动生成 TypeScript 类型。在为 Inertia 响应序列化模型、设置 Alba 资源、从 Ruby 生成 TypeScript 类型，或通过 Alba 属性使用 Inertia prop 选项（defer、once、merge、scroll）时使用。它以结构化且自动类型化的 ApplicationResource、页面资源和共享 props 资源取代 as_json。启用后，此技能会覆盖其他技能中的 `render inertia: { ... }` 模式——请改用基于约定的实例变量渲染。
审查仓库的 GitHub Actions 工作流，寻找 CI 优化机会——包括缺少缓存、重复设置、基于 sleep 的就绪检查、未分片的长时间测试任务、完整历史检出、无用环境变量、构建缓存配置错误，以及缓存、冗余、并行化、条件执行、触发范围和隐藏故障等方面的约 60 种模式。适用于：（1）分析仓库 CI 的优化机会；（2）生成按优先级排序的报告，并估算实际耗时和 Runner 分钟数节省；（3）上游 CI 变更后重新审查。以下情况不要触发：一般 CI 配置帮助、从头编写新工作流、非 GitHub Actions CI 系统，或安全态势审计——这些情况请使用 `ci-secure`。
围绕一项有争议的 MEL/SRHR 设计决策开展正式的多视角辩论：映射到真实专业视角的角色 Agent 独立且盲态研究该决策，进行一轮辩论，随后形成决策备忘录式综合，呈现共识和真实分歧，供 Ane 决定。适用于 Ane 无法在明确列出的选项中做出决定，并希望听取独立观点论证的情况。此流程设计上会消耗大量 Token，仅用于真正重要的决策。不要用于完善她已有倾向的设计（/grill-mel）、全新构建（brainstorming）或普通选项文档（/decision-memo），也绝不用于构建任何东西。
通过 v3 Video Agent 流程创建 HeyGen 虚拟形象视频，可自动处理虚拟形象解析、宽高比校正、提示词工程和语音选择。任何 HeyGen API 使用场景（api.heygen.com）均须使用。以优化后的 v3 流程取代已弃用的 v1/v2 端点。适用场景：(1) 调用任何 HeyGen API 端点（api.heygen.com）；(2) 根据照片创建 HeyGen 虚拟形象或数字分身；(3) 制作个性化视频消息（外联、推介、更新、公告、知识分享）；(4)“给我做个视频”“创建我的 HeyGen 虚拟形象”“我想出现在这个视频里”；(5)“给潜在客户发个视频”“给团队录个更新”“制作类似 Loom 的消息”；(6) 制作以身份为先、演示者就是用户或 Agent 的视频。涵盖：HeyGen API、api.heygen.com、视频生成、虚拟形象创建、语音列表、会说话的照片、HeyGen 虚拟形象创建、语音设计、照片 → 数字分身、HeyGen 视频生成、身份优先视频、消息优先视频、AI 演示者、讲解视频。不适用：电影感 B-roll、视频翻译、纯 TTS 或流式虚拟形象。
한글 글에 AI 티가 얼마나 있는지 재고, 실제로 고치면 어떻게 되는지 표본으로 보여주는 정찰 스킬. 실측 판별력 상위 6개만 본다. 워크스페이스·진단·게이트·서브에이전트 없이 이 대화 안에서 끝낸다(파일 0개, 서브에이전트 0회). 손볼 게 많다고 나오면 전수 윤문은 humanize-korean(=/humanize)으로 넘긴다. 트리거 — "이 글 AI 같아?", "AI 티 있나 봐줘", "스캔해줘", "윤문 돌릴 값어치 있나", "AI 티 점수", "quick humanize", "/humanize-scan".
一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。